Beam 1.0 vs Kolibri: Dwa wydania na licencji Apache 2.0 nie są tym samym wydaniem

Beam 1.0 i Kolibri to dwa najbardziej porównywalne wydania z otwartymi wagami z ostatniego miesiąca, a porównywanie ich jest bardziej użyteczne niż porównywanie któregokolwiek z nich z modelem API typu frontier, ponieważ oba faktycznie można pobrać. Kolibri firmy Aleph Alpha pojawiło się 3 października 2026 — 78 103 074 560 wszystkich parametrów, 3 457 573 120 aktywnych na token, zweryfikowane okno kontekstu o rozmiarze 1 048 576 tokenów, niemiecki i angielski, Apache 2.0. Beam 1.0 od Reflection pojawił się 16 października 2026 z 501,3 miliarda wszystkich parametrów, 23,4 miliarda aktywnych, 1 mln tokenów kontekstu, angielski i ta sama licencja. Ta sama licencja, podobna filozofia rzadkości i niemal nic więcej wspólnego — co jest dokładnie powodem, dla którego zestawienie tych dwóch mówi więcej niż porównanie rozmiaru z rozmiarem. Jedno zostało zbudowane przez laboratorium, które ma do przedstawienia argument dotyczący jurysdykcji; drugie przez laboratorium, które ma do przedstawienia argument dotyczący możliwości.

Te dwa różnią się także w sposób, który przesądza o większości rzeczywistych wdrożeń, zanim odczyta się choćby jeden wiersz benchmarku: to, co dostawca opublikował wraz z wagami. Aleph Alpha dostarczył niezwykle kompletny opis tego, jak model był trenowany — pochodzenie danych, energię, nieudanego poprzednika, dokładną liczbę godzin GPU. Reflection dostarczył weryfikator, który możesz wskazać na własny punkt końcowy. To są różne rodzaje zaufania, a to, który z nich akceptuje twój proces zakupowy, jest pierwszym pytaniem, na które trzeba odpowiedzieć.

Ta sama licencja, różne produkty

Zacznij od tego, co jest naprawdę identyczne, bo jest tego mniej, niż się wydaje.

• Licencja — obie Apache 2.0, w obu przypadkach licencja znajduje się w repozytorium, a nie w zdaniu na blogu. Karta Beam dodaje, że destylacja, dostrajanie, kwantyzacja i scalanie nie są ograniczone. Kolibri nie zawiera klauzuli dopuszczalnego użytkowania, progu miesięcznej liczby aktywnych użytkowników ani odrębnych warunków komercyjnych.

• Strategia rzadkości — oba są mieszaninami ekspertów o agresywnych wskaźnikach aktywacji. Kolibri aktywuje 3,46 mld z 78,1 mld, około 4,4 proc.; Beam aktywuje 23,4 mld z 501,3 mld, około 4,7 proc. Żadne z tych laboratoriów nie sprzedaje modelu gęstego.

• Długi kontekst — Kolibri podaje natywne okno 262 144 tokenów, którego jakość i wydajność obsługi zweryfikowano do 1 048 576; Beam podaje 1 mln na karcie, a w API maksymalnie 131 072 tokenów wyjściowych.

• Brak niezależnego odtworzenia benchmarku — żadna z tabel dostawców nie została sprawdzona przez stronę trzecią. Artificial Analysis nie ma w ogóle strony modelu dla Kolibri, natomiast wymienia Beam 1.0 przy Intelligence Index wynoszącym 30, na dziewiętnastym miejscu spośród 120 w wersji indeksu v4.3.2.

Ostatnia linia to pierwsza prawdziwa asymetria i łatwo ją przeoczyć. Beam ma jeden wynik pochodzący z zewnątrz; Kolibri nie ma żadnego. 30 w indeksie obejmującym 120 modeli nie jest pochlebnym wynikiem, ale to wynik, którego nie wytworzył Reflection, a dla nabywcy decydującego, czy tabela dostawcy zasługuje na zaufanie, samo istnienie jakiegokolwiek niezależnego pomiaru jest warte więcej niż jego wartość.

Co każdy dostawca zdecydował się opublikować

Dokumentacja wydania Aleph Alpha jest bardziej nietypowym artefaktem. Wraz z wagami opublikowano 20 bilionów tokenów pretreningowych pochodzących z przefiltrowanego korpusu dwujęzycznego — około 62,5 proc. angielskiego, 23,9 proc. niemieckiego, 13,6 proc. kodu — plus 3,44 biliona tokenów treningu pośredniego i 201 miliardów na rozszerzenie długiego kontekstu. Moc obliczeniowa jest podana jako 768 układów NVIDIA B200 w 96 węzłach HGX, 21 dni pretreningu przez 511 godzin i 392 000 GPU-godzin przy raportowanych 6,4×10²³ FLOPs, przy czym trening pośredni dodaje pięć dni i 90 000 GPU-godzin, a rozszerzenie długiego kontekstu dodaje 13 godzin i 10 000 GPU-godzin. Zużycie energii szacuje się na 9,5×10² MWh, w tym narzut centrum danych, obejmujące pretrening, trening pośredni i trening długiego kontekstu, i nie obejmuje nadzorowanego dostrajania i uczenia ze wzmocnieniem.

Z opublikowania tego wynikają dwie rzeczy. Po pierwsze, organizacja, której reguła zakupowa zaczyna się od pytania „skąd pochodzą dane treningowe i na mocy jakiego prawa?”, ma odpowiedź, a nie rozmowę. Po drugie, i mniej komfortowo, ta sama dokumentacja pokazuje, że model przegrywa z Qwen3.8 27B we własnym środowisku testowym Aleph Alpha — 75,5 wobec 80,2 w średniej dla języka angielskiego i 70,8 wobec 79,9 w średniej dla języka niemieckiego, przy czym Qwen prowadzi w GPQA Diamond, LiveCodeBench v6, SWE-Bench Verified i obu benchmarkach długiego kontekstu. Gemma 4 26B-A4B IT osiąga 71,9 i 66,3 w obu średnich. Nie chodzi o to, że Kolibri jest najsilniejszym modelem w swoim rozmiarze; chodzi o to, że jest najsilniejszym modelem w swoim rozmiarze, którego trening można audytować. Ta dokumentacja sprawia, że wydanie czyta się jako badania, a nie jako marketing: Aleph Alpha opisuje, jak powstał model, ponieważ chce, aby produktem był pipeline, a nie model, a laboratorium sprzedające pipeline treningowy publikuje liczby, które pokazują, że pipeline działa.

Reflection opublikował coś innego rodzaju. Wydanie Beam 1.0 obejmuje referencyjne konfiguracje serwowania, wykres Helm, wsparcie od pierwszego dnia w Transformers, vLLM, SGLang, Unsloth, Axolotl, TokenSpeed i NVIDIA Dynamo oraz beam-verifier CLI, które uruchamia zestaw testów zgodności wobec działającego punktu końcowego, a następnie ocenia go na głównych benchmarkach, dzięki czemu wdrożenie można sprawdzić względem referencyjnych wyników Reflection. Nie zawiera natomiast cennika: dokumentacja zawiera pełną stronę o limitach szybkości i ani jednej ceny za milion tokenów, a ogłoszenie mówi jedynie, że API jest bezpłatne na start.

Ile kosztuje eksploatacja każdego z nich

Żadne z nich nie jest oferowane w naszym katalogu i nie zamierzamy sugerować inaczej. Oba są zakupami do samodzielnego hostowania, a minimalne wymagania sprzętowe to prawdziwy koszt.

• Beam 1.0 — build NVFP4 ma 273 GiB, a konfiguracja referencyjna to cztery GPU NVIDIA B300 SXM połączone przez NVLink w jednej obudowie. FP8 ma 468,72 GiB i działa na ośmiu H200; BF16 ma 933,81 GiB i trafia na osiem B200 lub B300. W zestawie dostarczany jest także drafter DFlash2 o rozmiarze 1,93B do dekodowania spekulatywnego, co przekłada się na przyspieszenie dekodowania od 1,7× do 3,0× na checkpointcie NVFP4. Przepisy serwowania utrzymują pamięć podręczną KV w FP8 E4M3 ze stroną 64 tokenów.

• Kolibri — checkpoint FP8 to udokumentowana precyzja serwowania, z wagami blokowymi 128×128 i dynamicznie kwantyzowanymi aktywacjami, oceniany z pamięcią podręczną KV FP8, podczas gdy osadzenia, głowica LM, normalizacje i router MoE pozostają w bfloat16. Parser wywołań narzędzi vLLM jest dostarczany w tym samym repozytorium co wagi, a repozytorium nie ma ograniczeń dostępu — do pobrania na licencji Apache 2.0, a nie na wniosek.

Porównanie, które nabywca powinien tak naprawdę przeprowadzić, to nie wiersze benchmarków. To samodzielnie hostowany endpoint z dwoma GPU, który odpowiada po niemiecku i angielsku i którego trening możesz udokumentować, w zestawieniu z endpointem z czterema GPU, który jest mocniejszy w kodowaniu i pracy agentowej, a którego dokumentacja treningowa, o ile możemy to ustalić, nie obejmuje godzin GPU ani energii.

Jeśli Twoim obciążeniem pracą są dokumenty regulowane, które nie mogą opuścić budynku, pierwszy jest jedynym, który rozstrzyga sprawę. Jeśli Twoim obciążeniem pracą jest agent inżynieryjny, drugi jest jedynym z weryfikatorem.

Jeśli chcesz tę możliwość bez stojaka

Oba modele opisują klasę — MoE z małą liczbą aktywnych parametrów i permisywną licencją — która jest już obsługiwana na trasach, które możesz wywołać już dziś, a wycenienie alternatywy to najszybszy sposób, by zdecydować, czy posiadanie własnego sprzętu się opłaca.

• Gemma 4 26B-A4B IT — 0,06 USD za milion tokenów wejściowych i 0,33 USD za milion tokenów wyjściowych przy oknie 262 144 tokenów. Najbliższy odpowiednik poziomu Kolibri dostępny na routowanym endpoincie i model, który faktycznie wyprzedza Kolibri w średnich Aleph Alpha dla języka angielskiego i niemieckiego.

• Qwen3.8-27B — 0,33 USD za dane wejściowe i 2,40 USD za dane wyjściowe, kontekst 262 144 tokenów oraz otwarte wagi na licencji Apache, jeśli wolisz uruchamiać je u siebie, a nie wynajmować.

• GLM-5.2 — 1,40 USD i 4,40 USD z oknem 1 000 000 tokenów, do pracy z długim kontekstem i kodowaniem, na której skupia się Beam 1.0.

• Kimi K3 — 3,00 USD za wejście, 0,30 USD za buforowane, 15,00 USD za wyjście przy 1 048 576 tokenach, model, o którym sam wpis premierowy Reflection przyznaje, że jest lepszy pod względem surowych możliwości.

OrcaRouter kieruje ten zestaw za jednym kluczem zgodnym z OpenAI, z ceną katalogową dostawcy przekazywaną dalej i bez żadnych dodatków, więc obniżka ceny u dostawcy trafia na Twoje rozliczenie tego samego dnia, a nie dopiero przy kolejnym odnowieniu umowy, a automatyczne przełączanie awaryjne obejmuje przypadek, gdy jeden z dostawców traci wydajność pod obciążeniem. Przydatnym wzorcem dla każdego, kto rozważa suwerenne wdrożenie, jest kierowanie ruchu objętego regulacjami do samodzielnie hostowanego punktu końcowego Kolibri, a pracy ogólnej do warstwy z routingiem, przy czym reguła routingu decyduje, co jest czym — jeden klucz, jedna konfiguracja i decyzja sprzętowa, którą trzeba uzasadnić tylko w przypadku dokumentów, które jej wymagają.

Jakiego wydania tak naprawdę szukałeś

Jeśli szukałeś otwartych wag, bo potrzebujesz odpowiedzieć na pytanie dotyczące pochodzenia, jurysdykcji lub audytowalności, Kolibri jest wydaniem, które ma odpowiedź. Nie jest najsilniejszym modelem w swoim rozmiarze — same tabele Aleph Alpha to potwierdzają — a jego zakres językowy to dwa języki, a zalecana konfiguracja serwowania to dwa H100 SXM5 albo dwa H200 — lub pojedynczy B200 albo B300, które tabela sprzętowa wymienia obok nich. Ten kompromis jest wyraźny i w przypadku wdrożenia regulowanego prawdopodobnie słuszny.

Jeśli szukałeś otwartych wag, bo chcesz mieć agenta inżynieryjnego, którego możesz uruchomić samodzielnie, Beam 1.0 to wydanie z możliwościami, stosem serwowania i narzędziami weryfikacyjnymi, a wymaga czterech B300 i cennika, którego jeszcze nie napisano. Transakcja polega tam na wymianie kapitału i niepewności na model, który wykonuje prace programistyczne zbliżone do frontieru na twoim własnym sprzęcie.

To zestawienie pokazuje, że „open weight” już jakiś czas temu przestał być wyróżnikiem. Dwa wydania na licencji Apache 2.0 z dwóch laboratoriów w ciągu dwóch tygodni mogą współdzielić licencję, filozofię rzadkości i okno kontekstowe, a mimo to być odpowiedziami na zupełnie różne pytania. Sortowanie według licencji nic ci nie da; sortowanie według tego, na jakie pytanie dane wydanie miało odpowiadać, zaprowadzi cię do właściwego folderu.

Nic z tego nie jest hipotetyczne: udokumentowane awarie AI i incydenty z agentami stojące za takimi wydaniami jak to są zebrane w the OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, stopień ważności, ocenę pewności i oznaczenie sporne.